Programmieren trainieren mit Python-AlgorithmenDas Programmiertraining für alle, die ihre ersten Schritte in der Programmierung gemacht haben und jetzt richtig durchstarten wollen! David Kopec stellt Ihnen in diesem Buch eine umfassende, zeitgemäße Auswahl an Algorithmen vor. Beginnen Sie mit einfachen Algorithmen zur Verschlüsselung und für die Suche und vertiefen Sie Ihr Wissen bei genetischen Algorithmen und Neuronalen Netzen.Jede problemlösende Technik wird an einem konkreten Beispiel anschaulich vorgeführt. Darunter sind viele bekannte Klassiker der Informatik, aber auch neue Aufgaben. An zahlreichen Code-Beispielen in Python lernen Sie, wie Sie die Algorithmen implementieren und selbst in Algorithmen denken. So ist das Buch eine wertvolle Hilfe für jeden, der professionell programmieren möchte.Jetzt geht's los: Lösen Sie das Damenproblem, helfen Sie den Missionaren über den Fluss, ohne von Kannibalen zu gefressen werden, und geben Sie dem Dieb Tipps, welche Stücke er in seinen Rucksack packen soll.Programmieren trainieren mit bekannten und modernen Klassikern!Von der Suche bis zu k-Means, vom Dreizeiler bis zur dynamischen Programmierung und KIFür Studium, Coding-Katas, Workouts oder in Eigeninitiative für jeden ist etwas dabeiTitel der Originalausgabe: "Classic Computer Science Problems in Python". Übersetzt aus dem Amerikanischen von Sascha Kersken. Aus dem Inhalt:Die Fibonacci-Folge, einfache Komprimierung, unknackbare Verschlüsselung, Pi berechnenDNS durchsuchen, Wege durchs Labyrinth, FlussüberquerungsrätselDamenproblem, Vier-Farben-Satz, Wortsuchrätselgrafische Algorithmengenetische Algorithmenk-Means-Algorithmen einfache neuronale NetzeTic-tac-toe, Vier gewinntDas Rucksackproblem, Das Problem des Handlungsreisendenund außerdem: zahlreiche Code-Beispiele in Python, Hinweise zum Einsatz der Algorithmen, Übungen und Tipps für die Programmier-Praxis

»Gute Abwechslung zu vielen anderen Büchern. [...] Oft kriegt man nur gezeigt, wie man einen Algorithmus aufbaut und wie dieser funktioniert, man kann es allerdings nicht selber testen. Umso schöner ist es, dass sich der Autor hier die Mühe nahm und die Algorithmen in Python vorstellt.«

Vorwort
Das Buch zum Programmieren trainieren. 32 Klassiker der Informatik, von Damenproblem bis Neuronale Netze

Autorentext
David Kopec ist Hochschuldozent für Informatik und Innovation am Champlain College in Burlington, Vermont. Er ist der Autor von Dart for Absolute Beginners (Apress, 2014) und Classic Computer Science Problems in Swift (Manning, 2018).

Klappentext

Algorithmen gehören zum Rüstzeug guter Entwickler. In diesem Buch lernen Sie eine große Menge problemlösender Techniken kennen und erfahren, wie Sie diese in Anwendungen implementieren. Die Spannbreite reicht von einfachen Algorithmen zur Verschlüsselung und für die Suche bis hin zu genetischen Algorithmen, k-Means-Algorithmen und neuronalen Netzen. Unter den zu lösenden Aufgaben finden Sie sowohl Informatik-Klassiker wie das Damenproblem und das Flussüberquerungsrätsel als auch neue Aufgaben. Selbst wenn Ihnen einiges bekannt vorkommen wird, werden Sie am Ende sagen: "Ach so macht man das!" Dass Python hier die Sprache der Wahl ist, schließt niemanden aus. Von diesem Programmiertraining profitieren Sie auch dann, wenn Sie sonst eher in Java, C++ oder einer anderen Sprache programmieren. Die gekonnte Auswahl der Beispiele und der flotte Schreibstil sorgen dafür, dass das Ganze nicht nur lehrreich, sondern auch unterhaltsam ist.

Aus dem Inhalt:

• Die Fibonacci-Folge, einfache Komprimierung, unknackbare Verschlüsselung, Pi berechnen
• DNS durchsuchen, Wege durchs Labyrinth, Flussüberquerungsrätsel
• Damenproblem, Vier-Farben-Satz, Wortsuchrätsel
• grafische Algorithmen
• genetische Algorithmen
• k-Means-Algorithmen
• einfache neuronale Netze
• Tic-tac-toe, Vier gewinnt
• Das Rucksackproblem, Das Problem des Handlungsreisenden
• und außerdem: zahlreiche Code-Beispiele in Python, Hinweise zum Einsatz der Algorithmen, Übungen und Tipps für die Programmier-Praxis

Inhalt

Vorwort ... 13

Einleitung ... 17

1. Kleine Aufgaben ... 25

1.1 ... Die Fibonacci-Folge ... 25

1.2 ... Triviale Komprimierung ... 32

1.3 ... Unknackbare Verschlüsselung ... 38

1.4 ... Pi berechnen ... 41

1.5 ... Die Türme von Hanoi ... 43

1.6 ... Anwendungen im Alltag ... 47

1.7 ... Übungsaufgaben ... 48

2. Suchaufgaben ... 49

2.1 ... DNA-Suche ... 49

2.2 ... Labyrinthe lösen ... 57

2.3 ... Missionare und Kannibalen ... 77

2.4 ... Anwendungen im Alltag ... 82

2.5 ... Übungsaufgaben ... 83

3. Bedingungserfüllungsprobleme ... 85

3.1 ... Ein Framework für Bedingungserfüllungsprobleme schreiben ... 86

3.2 ... Die Landkarte Australiens einfärben ... 91

3.3 ... Das Acht-Damen-Problem ... 94

3.4 ... Wortsuche ... 97

3.5 ... SEND+MORE=MONEY ... 101

3.6 ... Leiterplatten-Layout ... 103

3.7 ... Anwendungen im Alltag ... 104

3.8 ... Übungsaufgaben ... 105

4. Graphenprobleme ... 107

4.1 ... Eine Landkarte als Graph ... 107

4.2 ... Ein Framework für Graphen schreiben ... 110

4.3 ... Den kürzesten Pfad finden ... 116

4.4 ... Die Kosten für den Aufbau des Netzwerks minimieren ... 119

4.5 ... Den kürzesten Pfad in einem gewichteten Graphen finden ... 132

4.6 ... Anwendungen im Alltag ... 138

4.7 ... Übungsaufgaben ... 139

5. Genetische Algorithmen ... 141

5.1 ... Biologischer Hintergrund ... 141

5.2 ... Ein generischer genetischer Algorithmus ... 143

5.3 ... Ein naiver Test ... 151

5.4 ... Wiedersehen mit SEND+MORE=MONEY ... 154

5.5 ... Listenkomprimierung optimieren ... 158

5.6 ... Kritik an genetischen Algorithmen ... 160

5.7 ... Anwendungen im Alltag ... 162

5.8 ... Übungsaufgaben ... 163

6. k-Means-Clustering ... 165

6.1 ... Vorbereitungen ... 165

6.2 ... Der k-Means-Clustering-Algorithmus ... 168

6.3 ... Gouverneure nach Alter und Längengrad clustern ... 174

6.4 ... Michael-Jackson-Alben nach Länge clustern ... 179

6.5 ... K-Means-Clustering-Probleme und -Erweiterungen ... 181

6.6 ... Anwendungen im Alltag ... 182

6.7 ... Übungsaufgaben ... 183

7. Einfache neuronale Netzwerke ... 185

7.1 ... Biologische Grundlagen? ... 186

7.2 ... Künstliche neuronale Netzwerke ... 187

7.3 ... Vorbereitungen ... 195

7.4 ... Das Netzwerk aufbauen ... 197

7.5 ... Klassifikationsprobleme ... 204

7.6 ... Neuronale Netzwerke beschleunigen ... 213

7.7 ... Probleme und Erweiterungen neuronaler Netzwerke ... 214

7.8 ... Anwendungen im Alltag ... 215

7.9 ... Übungsaufgaben ... 217

8. Adversarial Search ... 219

8.1 ... Grundkomponenten von Brettspielen ... 219

8.2 ... Tic Tac Toe ... 221

8.3 ... Vier gewinnt ... 231

8.4 ... Minimax-Verbesserungen über die Alpha-Beta-Suche hinaus ... 240

8.5 ... Anwendungen im Alltag ... 242

8.6 ... Übungsaufgaben ... 243

9. Sonstige Aufgaben ... 245

9.1 ... Das Rucksackproblem ... 245

9.2 ... Das Problem des Handlungsreisenden ... 251

9.3 ... Merkhilfen für Telefonnummern ... 257

9.4 ... Anwendungen im Alltag ... 260

9.5 ... Übungsaufgaben ... 261

Anhang ... 263

A ... Glossar ... 265

B ... Weitere Ressourcen ... 271

C ... Eine kurze Einführung in Type-Hints ... 277

Index ... 285